简介:新一代网络环境下,用户与信息之间的交互耦合及其动态演化更加突出,并基于此形成了多样及多变的用户群组和信息群组。为了提高网络信息共享、传输及获取的效率,需要揭示用户与信息间的耦合及演化机制。本研究主要探讨其耦合机制的研究范式,尝试基于社会网理论揭示用户与信息间的耦合影响机制;基于概率图模型及多主体仿真揭示用户与信息间的关联演化机制;基于社会网理论构建用户群组和信息群组的模式识别模型。用户与信息间的耦合及演化机制的揭示,可丰富行为经济学、复杂性科学以及图书情报档案学等领域的相关理论,用户群组与信息群组模式识别模型的构建,有助于提高网络信息的社会化获取及个性化服务的效率。
简介:用户声誉的研究对于互联网金融和电子商务的健康发展具有重要意义,是在线用户行为分析中一个重要的研究方向。在线用户评分系统中研究学者提出了许多声誉度量算法,然而不同方法度量用户声誉的思想和角度是不同的。为了在海量数据中对用户声誉有一个总体的认识,提出一种基于SkylineQuery的高声誉用户识别方法。将已有的几种声誉度量方法进行分类,综合选取代表性的算法得到的用户声誉用Skyline查询方法找到的集合Skyline中不被其他用户所支配的用户,即为高声誉用户。同时分析不同时间段上得到的集合Skyline中高声誉用户的规律。本文综合多种声誉度量方法从定性角度对声誉进行应用研究,拓宽了用户声誉研究的广度。
简介:摘要由于计算机网络技术的快速发展,给网络信息管理提出了更高的标准。从当前社会对于网络信息的依赖性可以表明,信息技术已经成为整个社会经济发展的重要推动力量,因此保证网络信息的安全具有重要意义。
简介:介绍由中国科学技术大学统计物理复杂系统研究组、上海理工大学复杂系统科学研究中心、电子科技大学互联网研究中心和瑞士弗里堡大学物理系所组成的研究团队在国家自然科学基金项目:基于复杂网络的复杂系统动力学及统计行为的研究;动态评价网络的统计分析与信息挖掘;人类行为的动力学和统计力学研究及重大研究计划支持下所完成的关于推荐系统、信息挖掘及基于互联网的信息物理研究方面的工作和研究进展。